科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对卷积神经网络因池化过程造成提取特征不充分，导致织物疵点检测精度差的问题，提出一种基于胶囊网络与滑动窗口的织物疵点检测方法。应用K-means聚类方法对标注的目标框进行聚类分析，得到合适的滑窗切分尺寸；应用滑动窗口按照一定尺寸切分疵点图像，以此实现后续的疵点定位；将得到的不同尺寸疵点图像输入胶囊网络实现疵点分类，并应用NMS算法去除冗余框得到疵点检测结果。基于Pytorch框架构建胶囊网络模型，并就各种模型参数对织物疵点分类准确率的影响进行分析，利用在实际场景中采集的各类疵点图像，对胶囊网络织物疵点检测模型进行验证，得到4种疵点的检测结果。为了证明该方法的泛化性，在TILDA数据集上进行验证，并与目前主流目标检测模型的检测精度进行对比。结果表明：该方法能够准确、有效地对织物疵点进行检测和分类识别，平均精度均值达到90.78%,比大部分主流目标检测模型的检测精度高。
- 单位
